基于中文自然語言理解的問答系統(tǒng)研究.pdf

1、問題回答系統(tǒng)是近年來自然語言理解中的重要研究方向,也是自然語言理解的一種實際應用。本文在現(xiàn)有問題回答系統(tǒng)研究的基礎上,以概念圖為主要知識表示方式,從漢語自然語言理解方面,研究問題回答系統(tǒng)的結構、主要算法和執(zhí)行效率。
　　在問題回答系統(tǒng)的研究中,知識表示方式至關重要。為了增強語義表達能力和知識推理能力。本文采用概念圖知識表示方法,將簡單、直觀、語義表達能力強的概念圖知識表示和傳統(tǒng)問答系統(tǒng)相結合,構建基于概念圖的中文自然語言理解問答系

2、統(tǒng)。
　　本文在基于概念圖知識表示的問答系統(tǒng)中,主要改進了問題理解、文本搜索和答案抽取三個模塊的性能,設計了自然語言轉(zhuǎn)化為概念圖的NL-T-CG(Natural language transform conceptual graphs)算法、概念圖語義搜索算法和概念圖聚類答案抽取算法。首先,在NL-T-CG算法中,利用隱馬爾可夫分層的方式對語句實現(xiàn)分詞處理,再進行詞匯標注和語法分析,根據(jù)分析結果中詞語的語義關系和語句關系,設計概念

3、圖生成算法。其次,在概念圖語義搜索算法中,將經(jīng)過輸入檢查的問題概念圖,以概念圖投影匹配的方式對問題和相關語料進行初步匹配。其后,再檢查概念圖的結構相似度和概念圖的語境匹配契合度,并根據(jù)匹配后的候選答案集構建概念圖語義搜索算法。最后,在概念圖聚類答案抽取算法中,使用概念圖聚類的方式自動識別答案類型。經(jīng)過對匹配適應度的排序以確定答案抽取的結果,算法將智能算法和聚類算法相結合,改進概念圖聚類的過程,設計概念圖聚類答案抽取算法。
　　在以